集成因式分解神经机器翻译模型以用于自动后编辑与质量估计
计算与语言
2017-07-18 v2
摘要
这项工作提出了一种使用专用神经机器翻译 (NMT) 系统集成进行自动后编辑 (APE) 和词级质量估计 (QE) 的新方法。已被证明对 QE 有效的词级特征被作为输入因子包含在内，扩展了原始源语言和机器翻译假设的表示，用于生成自动后编辑的假设。我们训练了一组使用不同输入表示但共享相同输出空间的 NMT 模型。然后将这些模型集成在一起，并针对 APE 和 QE 任务进行调优。因此，我们试图在单一框架内连接 APE 和 QE 的 SOTA 方法。我们的模型在两项任务中均取得了 SOTA 结果，唯一的区别在于调优步骤，该步骤为集成的每个组件学习权重。
引用
@article{arxiv.1706.05083,
title = {Ensembling Factored Neural Machine Translation Models for Automatic Post-Editing and Quality Estimation},
author = {Chris Hokamp},
journal= {arXiv preprint arXiv:1706.05083},
year = {2017}
}
备注
APE/QE System Description Paper for WMT/CMT 2017